在传统的内容分发网络中，电子终端设备大多只是消费数据，如视频服务和流媒体服务。随着物联网的飞速发展以及设备自动化程度越来越高，网络边缘的物联网终端不再仅仅是数据的消费者，自动运行的物联网终端/传感器上传的数据量将远大于数据消费量。 D=z="p\ 以自动驾驶车辆为例，每辆车可能会部署12个左右毫米波雷达，3个左右的激光雷达，原始数据的产生速度可能会大于1Gbps，每一辆车一年产生的数据量可能达到P级别；可穿戴设备、家庭摄像头等也是如此。假如这些数据都放在云端处理，那么当前的网络带宽和云数据中心的处理速度是远远不够的。 u(8{5" C 在物联网时代，终端不仅仅是数据消费者，更是大规模原始数据的生产者，再加上上传的原始数据还有私密性、安全性等诸多要求，并不适合传输到云端处理，而是需要在一个相对私密的内网——可能来自网络切片Wi-Fi无线局域网——中处理，其计算单元即边缘计算节点。 }]dzY( 5<`83; R 9
ktynIN
广告
iR9du P+ 4Ol1T(J# k3t]lG p 何为边缘计算？ m D% qDKI 3]9wfT%d 边缘计算（Edge Computing）是指在靠近物或数据源的一侧，采用网络、计算、存储、应用等核心能力为一体的开放平台，就近提供最近端服务，产生更快的网络服务响应，满足在实时、智能、安全与隐私保护等方面的基本需求。 w =!xTA 边缘计算的核心理念是，将计算能力按一定的比例，合理分配给网络的不同终端，使传感器、摄像头等终端生成的海量数据，可以更有效、更快速地在网络边缘加以收集、存储和处理，无需上传至云计算中心分析处理后再回传，减少了网络带宽拥塞，降低了网络延时，从而更好地保证网络数据的安全性。 qvo!nr7 主要的方法有缩短设备与云计算中心之间的物理距离、减少网络层级跳数、选用处理性能较强的终端网络设备等。 oXh t$Q 
图1：边缘计算是物理世界与数字世界的重要桥梁。（图片来源：安信证券研究中心）
_i 7yyt;h 图2：5G三大应用场景要求中，超低时延、大带宽和loT大连接均需要边缘计算。
ITU还在带宽、时延和覆盖范围等方面确立了5G的8项技术要求。边缘计算是5G网络重构的重要一环。 =& k[qqxg 
f,6V#, 图3：ITU提出的5G核心性能。（图片来源：安信证券研究中心）
2i #Ekon $Lbamg->E 5G时代“边云协同” =2( 52#pT
Hp ;$fQ 既然有了云计算，为什么还需要边缘计算？主要原因如下： seAPVzWUU - 网络带宽与计算吞吐量成为云计算的性能瓶颈。云中心具有强大的处理性能，能够处理海量数据。但是，如何将海量的数据快速传送到云中心成为一个难题。而用户体验往往与响应时间成反比。5G时代对数据的实时性提出了更高的要求，部分计算能力必须本地化。
- 物联网时代数据量激增，对数据安全提出更高的要求。不久的将来，绝大部分电子设备都可以实现网络接入，产生海量数据。传统的云计算架构不能及时有效地处理这些数据，若将计算置于边缘节点则会极大地缩短响应时间，减轻网络负载。此外，部分数据并不适合上云，留在终端可以确保私密性与安全性。
- 终端设备产生海量“小数据”，需要实时处理。尽管终端设备大部分时间都扮演着数据消费者的角色，但如今终端设备也有了生产数据的能力，其角色发生了重大改变，如智能手机和安防摄像头。终端设备产生海量“小数据”需要实时处理，云计算并不适用。
边缘计算是云计算的协同和补充，而并非替代。边缘计算与云计算各有所长，云计算擅长全局、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势。而边缘计算更适用于局部、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。因此，边缘计算与云计算需要紧密协同才能更好地满足各种需求场景，最大程度地发挥各自的价值。 ( 1 
ztHx)
! 图4：边缘计算与云计算协同互补。（图片来源：安信证券研究中心）
从数据流向来看，在云计算架构下，图5左侧的服务提供者提供数据并上传到云中心，需求侧的终端客户发送数据或计算类请求到云中心，云中心响应相关请求并将需求结果发送给终端客户。在边缘计算模式下，智能手机、前端智能摄像头、智能汽车等边缘节点产生数据，上传到云中心，同时将实时性和安全性要求较高的计算在本地进行处理。 |BhL. 
QX}JQ<8 图5：边缘计算与云计算数据流向对比。（图片来源：安信证券研究中心）
因此，虽然有了云计算，但边缘计算潜力依然巨大。5G时代将会是一个“边+云”的“边云协同”时代，边缘计算与云计算各有所长、协调配合。 4HZXv\$ R#y"SxD() s{7bu |0 边缘计算典型应用场景 Iy;"ht6 m*B4a9 f 近年来全球物联网呈现爆发式增长。据CEDA预测，2020年我国物联网市场规模有望达到18300亿元，年复合增速高达25%。得益于底层物联网设备的激增，拓墣产业研究院预测，2018年至2022年全球边缘计算相关市场规模的年复合增长率（CAGR）将超过30%。另据IDC预测，到2020年将有超过500亿的终端与设备联网，50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘分析、处理与储存。 EQpF:@_ 未来物联网应用可涵盖汽车、家居、工业等各个领域。在汽车领域，物联网与汽车网络结合，形成解放人类双手的自动化驾驶；在家居领域，物联网使各类家居智能化，为人们生活提供便利；在工业领域，物联网广泛应用于工业控制系统中，为生产流程提高效率。随着技术的进步和人们消费水平的提高，物联网将渗透更多应用领域，为边缘计算提供了广泛的场景。 tUOY`]0 
K%
snE7X?) 图6：物联网应用涵盖多个应用，为边缘计算提供广泛的场景。（图片来源：安信证券研究中心）
而随着5G时代的来临，自动驾驶、安防前端智能化、工业控制、远程操控（如医疗手术等）等一大批新兴应用也热蓄势待发。它们需要低于10ms的网络时延，因此边缘计算的发展极其迫切。 Mr4,?Z&`-d 欧洲电信标准化协会（ETSI）定义了 7 类典型的边缘计算应用场景，涵盖了当前最主流的边缘计算产品内涵和垂直行业应用场景。包括监控视频流、增强现实 AR 、 自动驾驶 、工业互联等等。 ~;]zEq-hG 
M6A0D+08 图7： ETSI定义的典型边缘计算应用场景。（图片来源：安信证券研究中心）
.]4MtG 2/A*\ 1．自动驾驶：四个轮子上的数据中心 `S-%}eUv -\B*reC 随着汽车自动驾驶程度的提高，汽车自身所产生的数据将越来越庞大。 tcl9:2/^] 根据英特尔CEO测算，假设一辆自动驾驶汽车配置了GPS、摄像头、雷达和激光雷达等传感器，则每天将产生约4000GB待处理的传感器数据。不夸张的讲，自动驾驶就是“四个轮子上的数据中心”。 $.w$x1 自动驾驶对延迟要求很高，传统的云计算面临着延迟明显、连接不稳定等问题 ，强大的车载边缘计算平台（芯片）成为刚需。 J9XH8Grk- 高等级自动驾驶的本质是AI计算问题，车载边缘计算平台的计算力需求至少在20T以上。 j@+$lU*r 
3HcduJntl 图8：自动驾驶汽车各传感器所产生的数据量。（图片来源：英特尔）
从最终实现功能来看，边缘计算平台在自动驾驶中主要解决两个问题：处理输入信号（雷达、激光雷达、摄像头等）；做出决策判断、给出控制信号。 -'D ~nd${ cl4 _M{~ jy>?+hm? 2．安防前端智能化：实现实时性解析并突破传输带宽瓶颈 @T L|\T K8 [Um !( 安防前端智能化的核心功能是为后端提供高质量、初步结构化的图像数据，其主要作用是： 提升部分智能分析应用的实时性； 节省带宽和后端计算资源。典型的前端智能摄像头内置深度学习算法，一方面可以在前端完成人脸定位和质量判断，有效解决漏抓误报问题，同时拥有较好的图像效果，即使周围环境光线不佳，人员戴帽子或一定角度下低头、侧脸，仍然可以做到准确识别，并自动截取视频中的人脸输出给后端；另一方面可以输出编码后的网络视频，还支持输出非压缩、无损无延时的视频流图像。这样可以为大型用户节省服务器成本和带宽，因为在同等服务器数量和计算能力的情况下能够接入更多路摄像头。后端智能化产品的核心功能则是利用计算能力 对视频数据进行结构化分析。 -w"lW7 
t\YM Hq<Y 图9：智能前置、后置优劣势比较。（资料来源：安信证券研究中心）
Nr* X1lJ6 +03/A`PKrB 3．低时延工业级应用：机器人、自动化、无人机 umn Q $y
0 { ' 0#<Z 工业高精度控制对时延和可靠性的敏感度极高。行业市场包括运输、物流、能源/公共设施监测、金融、医疗和农业，典型场景包括视频监控、机器人控制、自动巡查安防等。 bd}[X'4d 
Pe\Obd8d 图10：工业级应用中5G低时延业务的典型场景。（图片来源：安信证券研究中心）
机器人控制：同步实时协作机器人要求小于1ms的网络延迟。预计到2025年，全球状态监测连接将上升到8800万，全球工业机器人的出货量也将从36万台增加到105万台。 $~1mKx]] 馈线自动化：当通信网络的延迟小于10ms时，馈线自动化系统可以在100ms内隔离故障区域，从而大幅减少能源浪费。预计从2022年到2026年， 5G IIoT的平均年复合增长率（CAGR）将达到464%。 !kb:g]X 视频监控和无人机巡检：利用无人机进行基础设施、电力线和环境的密集巡检，LiDAR扫描所产生的巨大的实时数据量将需要>200Mbps的传输带宽。据ABI Research估计，小型无人机市场将从2016年的53亿美元迅速增长到2026年的339亿美元，包括来自软件、硬件、服务和应用服务的收入。 c1a$J` Tjv'S
< E>5p7=Or;" 4．VR/AR游戏：5G显著改善云访问速度 :O&jm.2m BAvz @H 目前VR游戏体验不佳，以本地重度游戏为主，设备典型盘根错节，用户容易绊倒；联网游戏时延至容易高达50ms，导致用户眩晕问题。 Prf G 未来5G设备实现直接边缘云端访问，VR/AR时延问题得以解决：实时CG类云渲染VR/AR需要低于5ms的网络时延和高达100Mbps至9.4Gbps的大带宽。同时，5G可以支持多用户近距离连线。 yVXVH CB 
[ "3s 图11：5G移动互联网场景AR/VR。
云VR/AR将大大降低设备成本，使人人都能用得起。5G将显著改善这些云服务的访问速度，云市场以18%的速度快速增长。 9 MI9$s2y 7hPw a3D^ L$);50E
5．视频云：远程医疗、4K/8K高清视频 v)gMNzt +z Lw%WD[l 无线内窥镜和超声波远程医疗诊断依赖5G网络的低延迟和高QoS保障特性与患者进行交互。其它应用场景，如医疗机器人和医疗认知计算，都对连接提出了不间断保障的要求（如生物遥测，基于VR的医疗培训，救护车无人机，生物信息的实时数据传输等）。 =)g}$r
&< 5G的高速率特性使用户不仅能观看各类视频内容，还可随时随地体验4K以上的超高清视频。
!j% 
@Y.r ,q 图12：更高带宽、更大连接密度和更低时延适于高清视频和远超视频医疗。（图片来源：安信证券研究中心）
预计未来10年内5G用户的月平均流量将增长7倍，其中90%被视频消耗，预计到2028年，消费者在视频、音乐和游戏上的支出会增加近一倍，全球总体量将达到近1500亿美元。 2T(+VeMQ= Rmn{Vui9\ j%bC9UkE3 结语 /#@tv~Z^ =v<A&4 由于数量庞大的物联网设备在运行中将产生海量数据，对实时性需求高，并存在数据隐私保护等问题，因此对边缘计算有着迫切的需求。与此同时，随着5G与AI芯片的崛起，边缘计算将越来越受到设备和芯片等厂商的追捧，未来人工智能的流量入口将分布在大大小小的边缘设备上，包括手机、摄像头、传感器、机器人等。 f# #/-NG Jn | i!
vV 9vB3K5?
